基于SUSAN算子的白天红外星目标检测

受多种因素的影响,白天获得的红外星图像信噪比低,且背景通常是不均匀的,为红外星目标的提取造成了极大的困难。通过理论计算,实际白天拍摄的近红外星图信噪比极低,使用一般的滤波方法无法提取出恒星目标,目前常用的形态学方法对于星图像的处理也不甚理想。首先分析背景特性,采用多帧叠加的方法削弱随机噪声,增大信噪比;然后设定阈值对叠加后的星图进行背景消除,得到只含有目标及噪声的图像;最后基于图像的特性,使用改进的SUSAN算子对星图进行目标检测,进而分割出目标,实验证明,与传统方法相比,该方法可较好地分离出恒星目标。     

局部最大熵的红外小目标快速检测方法

近年来,红外弱小目标检测与跟踪技术在信息处理技术领域被广泛研究。航空报警、导弹拦截、近地面监视等多个领域均有较为出色的应用。其中,在不同的环境中如何有效地测量目标是研究人员面临的一项主要挑战。为了解决红外图像中的杂波干扰过多与低目标信噪比等一系列问题,提出了一种基于局部最大熵的红外小目标检测方法。为了提升算法的鲁棒性,提出一种自适应阈值,求出局部最大熵对应的灰度值作为阈值与目标与背景间的灰度差作比较,经过三轮不同判断,找到目标点。最后通过抑制非极大值抑制来去除非目标点。试验结果表明,在复杂多变的背景或低信噪比的情况下,仍具有有效的检测性能,通过与经典top-hat算法的对比实验,观测到无论是在检测时间还是检测准确率,所提出的方法均高于top-hat算法,其中top-hat算法的DR值为88.57,提出的方法的DR值为92.5,top-hat算法的FA值为0.185 7,所提出的方法为0。     

基于灰度和局部熵迭代的红外目标分割算法

图像阈值分割在图像分析和图像识别中具有重要的意义,给出了一种以改进的最大类间方差法为基础的自适应阈值图像分割方法,同时利用分割后目标和背景区域的灰度信息和局部熵信息,设计了一个判断是否得到正确分割的准则,通过迭代循环,完成对图像的自动分割.实验结果表明,本文算法自适应性强,可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标.     

基于形态学的白天近红外星目标检测

受多种因素的影响,白天获得的近红外星图像信噪比低,且背景通常是不均匀的,为红外星目标的提取造成了极大的困难。通过理论计算,实际白天拍摄的近红外星图信噪比极低,使用一般的滤波方法无法提取出恒星目标,形态学运算对于星图像的处理具有较好的效果。首先分析目标及噪声大小,选择较大的结构元素,然后组合开运算及顶帽变换,提取出背景,得到只含有目标及噪声的图像,然后改变结构元素大小,消除掉噪声,进行目标分割。实验证明,可较好地分离出恒星目标。     

海空复杂背景中基于自适应局部能量阈值的红外小目标检测

自适应Butterworth高通滤波是一种有效的海空复杂背景下红外小目标检测方法,但其在序列图像检测中不可避免地存在虚警。该研究通过估计因前后帧间不同截止频率导致Butterworth高通滤波后红外图像中小目标局部能量值的变化情况,可实现对滤波后图像中小目标检测阈值的自适应调整。实验结果表明该算法不仅可很好解决上述虚警问题,而且对跟踪过程中可能出现的目标消失或背景突然变化的情况也有良好的适应性。     

基于最大模糊熵原则的低对比度图像阈值选取法

目前模糊集理论已经成功应用在许多领域,例如图像处理、自动控制、模式识别等方面.本文针对低对比度图像场景下,利用模糊理论及最大模糊熵原则找到最佳灰度阈值,把目标从背景中分割出来.在研究其他学者大量文章的基础上,本文改进了已有的隶属函数,使自适应阈值的选取过程大大缩短.经过对多幅低对比度图像采用多种分割方法,处理结果表明本文提出的方法切实可行,具有较强的场景适应能力.     

基于能量积累和形态重构开的红外图像序列小目标检测方法

对多帧红外序列图像膨胀后累加,去除图像随机噪声,提高目标信噪比.使用重构开等形态学算子并结合红外小目标帧内亮度、空间信息和帧间运动信息,消除背景,提取运动小目标.实验结果证明算法可以有效地自动检测小目标.     

基于自适应差分的多目标检测和跟踪

运动目标检测与跟踪在诸多领域里都有广泛的应用,是当前计算机视觉的一个热门领域。利用自适应阈值差分的方法对运动目标进行检测,并使用轨迹关联的方法对多目标进行跟踪。实验结果表明,该种算法很好地实现了视频图像中多目标检测和跟踪,更符合实际应用的需求。     

一种对空中目标图像自适应分割方法

本文提出一种用于实时跟踪的目标图像自适应分割方法，该算法分割性与目前公认较好的几方法相比，在精度和速度方面具有明显优势，用于全视场搜索阶段也取得较好的效果，该处已在硬件系统上连调成功，表明该算法是可行的和实用的。     

基于小波变换的自适应多模红外小目标检测

小波变换是一种有效的红外小目标检测方法。然而,在不同的子带、不同方向上,信号和噪声所呈现的特性不同,采用单一的阈值往往无法得到一个令人满意的检测结果。针对这一情况,提出了一种基于小波变换的自适应多模红外小目标检测算法。该算法可以根据不同尺度和方向上噪声的分布自动调整阈值,使得检测结果更加有效。其中分别采用了自适应Bayes Shrink阈值和广义交叉验证阈值处理每个子带的小波系数,接着再利用处理后的系数重构小波图像,最后通过一个简单的全局阈值分割得到红外小目标。实验结果表明,与对照方法相比,所提出的算法具有更好的检测性能和鲁棒性。     

一种基于偏振信息的恒星白天观测方法

为了提高恒星白天观测的能力,提出一种偏振观测的新方法.大气散射具有很强的偏振特性,而恒星星光的偏振度与之相比往往非常小,该方法正是利用大气散射偏振特性与恒星星光偏振特性的差别,从偏振图像中提取恒星,从而提高恒星的识别概率.通过自行研制的偏振图像采集系统对接天文望远镜获取恒星偏振图像,进行恒星的偏振图像提取,实验结果表明该方法能有效地提取恒星目标,实现恒星白天观测.     

红外图像序列中运动面目标的分割算法研究

利用红外成像实现自动目标检测,这在现代防御技术中具有重要的地位。本论文主要针对红外预警系统的目标探测补盲阶段,深入研究了现有的比较成熟的各种运动目标分割算法,用软件仿真了各算法处理图像的效果,并总结归纳了各种算法的优缺点,提出了在差分图像的基础上,采用二维最大熵法对图像进行分割以更好地提取区域目标的观点。经实验证明,该算法效果良好。     

基于分形理论的改进型二维最大熵红外图像分割算法

提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的空间分布信息,然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量,并构造出联合离散概率分布。在此基础上,以二维最大熵原则来确定一个最佳二维分割阈值,进而取得分割结果。实验结果表明,该算法在分割效果上优于传统的二维最大熵分割算法。     

基于二维OTSU和遗传算法的红外图像分割方法

为了改善红外图像的分割效果,将二维OTSU算法应用于红外图像分割,通过二维OTSU算法选取阈值将红外图像分为目标和背景,并结合遗传算法,利用遗传算法搜索最优解的能力,加快二维OTSU算法寻找阈值的速度,提高分割效率.实验结果表明,该方法分割效果好,分割速度快,是一种可行的红外图像分割方法.     

基于二维最大熵和顺序滤波的红外图像分割

红外图像分割在红外成像制导和其它红外目标识别领域非常重要和提出了一种综合运用二维最大熵和顺序滤波方法对红外图像进行分割的新方法.该方法首先对图像进行基于二维最大熵的阈值分割,然后对二值图进行顺序滤波消除虚警点,取得了非常理想的分割效果.本文提出了一种新的逐步逼近二维最大熵阈值递推搜索算法,阈值搜索时间得到了大幅度减少,满足了一般的实时需求,具有较高的应用价值.     

红外遥感图像舰船目标检测

红外遥感图像舰船目标检测在军舰探测、精确制导等军用领域以及海面搜救、渔船监测等民用领域具有极其重要的战略意义.本文回顾了红外遥感图像的发展历程, 总结了舰船遥感图像的特点及其图像处理的难点.着重分析了海陆分割和海洋背景图像预处理的研究现状, 对舰船检测算法进行了总结和归纳, 在此基础上对各种算法进行比较并指出其适用性和优缺点, 最后对其未来发展趋势进行了展望.     

一种新的红外目标图像分割算法

提出了一种新的红外图像分割算法,它首先选取最佳阈值范围内的一组边缘点作为种子像素,然后根据灰度相似性判决准则生长出目标区域而完成目标分割。实验结果表明,本文提出的算法可以快速、准确、完整地分割出复杂背景图像中不同大小的红外目标。     

基于改进U-Net的刑侦红外手印目标提取

红外图像技术在刑侦领域的应用越来越广泛。通过案发现场遗留的热痕迹可为案件搜集更多的证据。但是红外图像往往存在轮廓不清晰、提取效果模糊等问题。针对这些问题提出一种基于改进U-Net的图像目标提取方法。网络结构采用三层的上采样和下采样：上采样采用双立方插值,下采样采用步长为2的3×3卷积。通过跳跃连接将浅层特征和深层语义信息融合,并引入Dropout和Batch Normalization结构使得网络更快、更好地收敛。以刑侦红外手印为研究对象,通过实验对比改进U-Net、Sobel算子、分水岭、最大熵、Otsu等算法的图像目标提取效果。结果表明,本文搭建的U-Net网络能够更完整、更有效地提取红外手印的轮廓信息,在红外手印的提取上取得了较好的效果。